Alternative Data #14

Trả lời ngắn: Alternative Data là dữ liệu nằm ngoài báo cáo tài chính, hồ sơ công bố và dữ liệu thị trường truyền thống, được dùng như một phép đo thay thế cho câu hỏi nghiên cứu. Nó chỉ có giá trị khi nguồn gốc, quyền sử dụng, coverage, proxy, thời điểm có thật và độ ổn định đều kiểm được.

Đọc xong, bạn sẽ hiểu:

• Vì sao proxy không phải target và raw count chưa phải demand.
• Cách coverage break làm tín hiệu đổi hướng sau normalization.
• Khi nào phải dừng vì quyền dữ liệu, MNPI, PII hoặc drift.

Lưu ý giáo dục: A-Cloud, panel, vendor và mọi con số dưới đây là demo giả. Bài không phải tư vấn pháp lý, khuyến nghị mua/bán hay tín hiệu giao dịch; quyết định tài chính có rủi ro mất vốn.

1. Alternative Data là gì?

a. “Alternative” không đồng nghĩa “tốt hơn”

Alternative Data có thể là lưu lượng web, mức dùng ứng dụng, chi tiêu thẻ, ảnh vệ tinh, tin tuyển dụng, mẫu vị trí hoặc hoạt động sản phẩm. Chúng khác nguồn truyền thống, nhưng điều đó không tự làm chúng nhanh hơn, hợp pháp hơn, đại diện hơn hoặc dự báo tốt hơn.

Hãy xem dataset như một measurement system — hệ thống đo gồm đối tượng, dụng cụ, cách lấy mẫu, timestamp và phép biến đổi.

Provenance là dữ liệu đến từ đâu, do ai thu và đã biến đổi thế nào. Permission là căn cứ cho phép truy cập và sử dụng: công khai, giấy phép, đồng thuận, hợp đồng hay thẩm quyền phù hợp. Thiếu một trong hai, chưa bàn tới dự báo.

b. Quy trình chín bước

QUESTION → TARGET → PROXY → PROVENANCE + PERMISSION → COVERAGE + ENTITY MAP → NORMALIZE → VALIDATE + LAG → MONITOR DRIFT → DECISION / NO SIGNAL

Nhân viên SEC từng ghi nhận một số cố vấn đầu tư dùng dữ liệu phi truyền thống nhưng thiếu chính sách/quy trình được thiết kế hợp lý để xử lý rủi ro nhận và sử dụng MNPI từ nguồn này. SEC — Code of Ethics Risk Alert, 2022 Đây chỉ là quan sát kiểm tra tại Hoa Kỳ.

Hình 1 — Dataset chỉ đi tới quyết định sau khi quyền, coverage, thời gian và độ ổn định cùng vượt gate.

2. Target, proxy và causal chain

a. Case A-Cloud

Câu hỏi quyết định trong demo:

Enterprise demand của A-Cloud có chậm trước revenue report không?

Target variable là kết quả thật sự muốn hiểu: pipeline doanh nghiệp đủ điều kiện của quý kế tiếp. Proxy variable là biến thay thế có thể đo: số sự kiện dùng thử doanh nghiệp hằng tuần từ một panel đã tổng hợp.

Tiếng chuông cửa có thể là proxy cho người ghé cửa hàng, nhưng không phải giao dịch hoàn tất. Sự kiện dùng thử có thể liên quan nhu cầu, nhưng còn chịu ảnh hưởng của marketing, bộ lọc bot, thiết kế sản phẩm, thành phần panel và định nghĩa “enterprise”.

b. Causal chain phải viết ra

ELIGIBLE ENTERPRISE USER → PRODUCT PAGE → QUALIFIED TRIAL → SALES PROCESS → QUALIFIED PIPELINE

Dataset demo chỉ quan sát một đoạn giữa chuỗi, không thấy lượt dùng thử có đủ tiêu chuẩn hoặc trở thành pipeline không. Các cách giải thích cạnh tranh phải được ghi:

• Campaign mới làm trial tăng mà demand nền không đổi.
• Panel mất người dùng làm raw count giảm.
• Page tracking hoặc bot filter đổi.
• Trial UX đổi làm một người tạo nhiều event hơn.

Hình 2 — Proxy hữu ích khi cơ chế nối tới target rõ và các giải thích cạnh tranh được giữ lại.

c. Entity, population và availability

Coverage cho biết dataset thật sự gồm ai, thứ gì và khoảng thời gian nào. Entity mapping là rule gán event cho đúng company/product. Demo gồm A-Cloud parent và named product pages, loại support/community để tránh double count.

Đơn vị là số sự kiện; population là các thành viên panel đủ điều kiện. Dữ liệu chỉ dùng được ở T+3 days, nên backtest phải đặt thời điểm khả dụng vào thứ Năm nếu sự kiện xảy ra thứ Hai. Dùng dấu thời gian thứ Hai là look-ahead bias — vô tình dùng dữ liệu trước lúc nó thật sự có.

3. Raw data, normalization và coverage break

a. Tám tuần demo

Công thức:

Rate / 1k = Raw events / Eligible panel × 1.000

W5 là coverage break: panel đổi từ 10.000 xuống 8.000, rồi còn 7.000. So raw xuyên qua break mà không điều chỉnh giống đếm 90 khách thay vì 111 nhưng quên một cửa chợ đã đóng.

b. Ba phép tính, ba câu chuyện

W4→W8:

• Raw events: (90/111 − 1) × 100 = −18,9%.
• Eligible panel: (7.000/10.000 − 1) × 100 = −30,0%.
• Normalized rate: (12,9/11,1 − 1) × 100 = +16,2%.

Dữ liệu thô nói giảm, tỷ lệ chuẩn hóa nói tăng. Không hướng nào tự là “sự thật về nhu cầu”. Xung đột cho thấy hệ thống đo đổi cùng lúc với tín hiệu.

Normalization điều chỉnh số đếm theo mức tiếp xúc, mẫu hoặc đơn vị. Nó giúp so sánh công bằng hơn, nhưng không chữa thiên lệch chọn mẫu hoặc tính đại diện của panel. NIST lưu ý mẫu không đại diện cho quy trình có thể dẫn mô hình tới kết luận sai. NIST — Data Must Reflect the Process

Hình 3 — Coverage co nhanh hơn raw events khiến hướng normalized đảo chiều; kết quả đúng là kiểm lại phép đo.

c. Validation nhỏ và drift

Lịch sử demo cho biết hướng của proxy khớp target 5/8 quý. Sau khi định nghĩa panel đổi, chỉ còn 2/4. Mẫu quá nhỏ và thiếu ổn định để gọi là độ chính xác dự báo.

Data drift là việc population, definition, source, collection hoặc transformation đổi theo thời gian. NIST dùng instrument drift để mô tả phản hồi dụng cụ thay đổi chậm; ở đây dùng như phép so sánh, không đồng nhất panel data với thiết bị vật lý. NIST — Bias Caused by Instrument Drift

Kết luận demo: NO SIGNAL. Dữ liệu thô giảm không chứng minh nhu cầu doanh nghiệp chậm; tỷ lệ chuẩn hóa tăng cũng chưa chứng minh nhu cầu mạnh.

4. Sai lầm, giới hạn và rights gate

a. Những lỗi làm signal giả đẹp

1. Gọi proxy là target.
2. Dùng raw count khi sample/exposure đổi.
3. Backdate dữ liệu về event time thay vì availability time.
4. Sửa entity map rồi không version.
5. Chọn period đẹp, bỏ methodology break.
6. Xem 5/8 là predictive proof.
7. Đếm một người hoặc event nhiều lần.
8. Không kiểm survivorship, selection và missingness.

Alternative Data thường không bao phủ toàn bộ population; phương pháp nhà cung cấp có thể thiếu minh bạch; quyền sử dụng khác theo khu vực pháp lý; dataset có thể ngừng hoặc sửa lại.

b. Provenance, privacy và MNPI

Chỉ dùng dữ liệu public, licensed, consented hoặc authorized đúng mục đích. Không vượt login/paywall/access control, dùng deception, thu PII, health/location data hoặc suy diễn sensitive individual traits khi không có căn cứ hợp lệ.

PII là dữ liệu có thể nhận diện cá nhân. MNPI là thông tin có thể trọng yếu và chưa công khai. Cả hai đều là hard gate cần review phù hợp.

c. Rights gate

PUBLIC / LICENSED / CONSENTED → PROCEED

RIGHTS / METHOD UNCLEAR → PAUSE + CHECK

POTENTIAL MNPI / PII → STOP + REVIEW

Hình 4 — Tín hiệu chưa đáng dùng nếu quyền, phương pháp hoặc rủi ro dữ liệu cá nhân chưa được giải quyết.

NIST AI RMF Playbook gợi ý xem completeness, representativeness, balance và distribution/model drift khi đo rủi ro dữ liệu. NIST AI RMF Playbook — Measure

5. Checklist Data Diligence Card

a. Mười bốn gate

1. Decision question cụ thể?
2. Target là gì, kỳ nào?
3. Proxy nối target qua mechanism nào?
4. Provenance đủ truy vết?
5. Permission/consent/license đúng use case?
6. Unit và population là gì?
7. Coverage thay đổi khi nào?
8. Entity map có version và exclusion?
9. Có cần normalize theo exposure/sample?
10. Event time khác availability time bao nhiêu?
11. Benchmark/target có independent?
12. Holdout hoặc out-of-time check ra sao?
13. Drift monitor và methodology-change flag có không?
14. Stop rule và owner review là ai?

b. Khi phải đứng ngoài

Đứng ngoài nếu provenance, permission, coverage, entity hoặc availability thiếu. NO SIGNAL cũng bắt buộc khi raw và normalized xung đột mà coverage break chưa giải thích, hoặc validation không ổn qua regime/method change.

c. Ghi version

Lưu snapshot, phiên bản phương pháp/nhà cung cấp, phiên bản entity map, các phép biến đổi và ngày có thể sử dụng. Nếu lịch sử bị sửa, giữ cả bản dữ liệu cũ; không điền ngược bản mới rồi giả vờ người phân tích đã biết từ trước.

6. Bài tập 15 phút: Proxy Validation Sheet

a. Công cụ và phạm vi

Dùng Google Sheets miễn phí. Chỉ nhập tám hàng demo; không scrape, mua vendor data, gọi API, thu dữ liệu cá nhân hoặc dùng tiền thật.

b. Cách làm

• Phút 1–4: nhập Week, Raw, Eligible panel.
• Phút 5–7: tính Rate/1k.
• Phút 8–10: tính ba thay đổi W4→W8.
• Phút 11–12: đánh dấu coverage break W5 và T+3.
• Phút 13–15: ghi validation 5/8, post-change 2/4 và verdict.

c. Mẫu đối chiếu đã điền

7. Tổng kết

a. Năm ý chính

• Alternative không tự đồng nghĩa hợp pháp, đại diện hoặc dự báo tốt.
• Proxy không phải target; causal chain phải viết ra.
• Coverage break có thể đảo hướng sau normalization.
• Availability time phải đi vào backtest để tránh look-ahead.
• Quyền, MNPI/PII và data drift là hard gates.

b. Câu hỏi tự kiểm tra

• Vì sao raw events giảm chưa chứng minh demand chậm?
• Ba thay đổi W4→W8 là bao nhiêu?
• Tại sao dữ liệu Monday nhưng T+3 không được dùng Monday?
• Khi rights/method hoặc MNPI/PII chưa rõ, hành động gì?

c. Gợi ý đáp án

Xem gợi ý câu 1

Panel cũng giảm và normalized rate đi hướng ngược; measurement system đã đổi. Xem lại mục 3.

Xem gợi ý câu 2

Raw `−18,9%`, panel `−30,0%`, rate `+16,2%`. Xem lại mục 3.

Xem gợi ý câu 3

Dữ liệu chỉ usable sau ba ngày; dùng sớm tạo look-ahead bias. Xem lại mục 2.

Xem gợi ý câu 4

Pause hoặc Stop, không dùng signal và chuyển review phù hợp. Xem lại mục 4.

d. Thuật ngữ cần nhớ

e. Nguồn tham khảo

• SEC — Code of Ethics Risk Alert, 2022
• NIST — Data Must Reflect the Process
• NIST — Bias Caused by Instrument Drift
• NIST AI RMF Playbook — Measure

f. Học tiếp gì?

Bài trước: Competitive Intelligence #13. Tiếp theo: Earnings Call Analysis #15 — kiểm prepared remarks, Q&A, wording change và evidence timeline từ nguồn công khai.

Nhắc lại: Đây là nội dung giáo dục, không phải tư vấn pháp lý hoặc khuyến nghị đầu tư. Dataset là demo; chưa thu thập dữ liệu thật và chưa dùng tiền thật.